Wissenschaftler und Ingenieure der biotechnologischen und pharmazeutischen Industrie nutzen MATLAB und Simulink zur multidisziplinären Datenanalyse und für End-to-End-Workflows.
Mit MATLAB wird Wissenschaftlern und Ingenieuren Folgendes möglich:
- Daten aus zahlreichen Datenströmen hybridisieren, darunter Signale, Bilder, Texte und Genetik
- die pharmazeutische Produktion durch Prozesstechnik optimieren
- Modellierung und Simulation zur Wirkstoffforschung und -entwicklung durchführen
- Code entwickeln, implementieren und bereitstellen, um neue Medizinprodukte zu steuern
- automatische Ausgabeberichte in Adobe Acrobat-, Microsoft Word- und PowerPoint-Dateiformaten erstellen
„Pfizer integriert Modellierung, Simulation und statistische Analysen im gesamten Prozess der Wirkstoffforschung und -entwicklung. Dadurch kommt es in Phase II zu weniger Abrieb durch die Bestimmung des besten biologischen Pfades, Ziels, Moleküls, Dosierungsschemas und Patientenpopulation.“
Einsatz von MATLAB und Simulink in der Biotechnologie und Pharmazeutischen Industrie
Biomedizinische und Gesundheitsdatenanalysen
MATLAB ermöglicht Wissenschaftlern und Analytikern Folgendes:
- Datenmengen aus der biotechnischen und pharmazeutischen Forschung erkunden und säubern
- App-basierte Abläufe verwenden, um optimierte Analyseschemata zu entwickeln und sie dann in der Cloud zu skalieren und bereitzustellen
- multimodale Datenquellen, beispielsweise Signale, Bilder, Daten, Geräte, Genetik und das Internet der Dinge synthetisieren, um Modelle zur prädiktiven Analyse zu erstellen
- Analysen auf beliebig vielen Verarbeitungsknoten parallelisieren, und zwar mithilfe von Syntax, die fast der von Desktop-Ansätzen entspricht, um von der Desktop-Entwicklung zu Hochleistungsverarbeitungsclustern zu skalieren
Erfolgsberichte von Kunden
- Die Universität Lund entwickelt ein künstliches neuronales Netz zur Zuordnung von Herztransplantationsspendern und -empfängern
- MedImmune automatisiert und beschleunigt Datenanalysen bei der Durchflusszytometrie
- Die Stiftung niederländischer Epilepsiekliniken automatisiert Erkennung und Diagnose epileptischer Anfälle
Weitere Informationen
Wirkstoffforschung und -entwicklung
MATLAB bietet Wissenschaftlern und Modellierungsteams folgende Möglichkeiten:
- PK/PD- und QSP-Systeme (quantitative Systempharmakologie) mithilfe von SimBiology modellieren und simulieren, um Wirkstoffstudien und Parametersensitivitätsanalysen zu simulieren
- prädiktive mathematische Modelle entwickeln, um damit Wirkstoffeffizienz und -sicherheit sowie Zielmachbarkeit zu beurteilen und Dosierungspläne zu optimieren
- Datenströme für die Präzisionsmedizin hybridisieren
- mit vorhandenen Datenbanken zusammenarbeiten, um neue Anwendungen vorhandenere Wirkstoffe zu finden
- Bildquantifizierung und Modellanpassung in Biodistributionsstudien bereitstellen
Erfolgsberichte von Kunden
- Pfizer verwendet modellbasierte Wirkstoffentwicklung, um die Abriebraten in Phase II zu reduzieren
- Mitsubishi Tanabe Pharma entwickelt Datenanalyse-Tools, um die Entdeckung neuer Wirkstoffe zu beschleunigen
- Die Universität von Nottingham und AstraZeneca Forschung und Entwicklung in Charnwood beschleunigen die klinische Forschung an entzündungshemmenden Medikamenten
Produkte kennenlernen
Pharmazeutische Herstellung
MATLAB und Simulink ermöglichen Ingenieuren Folgendes:
- den Ertrag bei der Arzneimittelherstellung optimieren, Kosten senken und Markteinführungszeit verkürzen
- Digital Twins in einer industriellen Internet-der-Dinge-Architektur erstellen, um die Echtzeitleistung zu analysieren, den Betrieb zu verbessern und prädiktive Instandhaltung durchzuführen
- mit physik- oder datenbasierter empirischer Modellierung bzw. einer Kombination aus beidem Fertigungsertrag und -qualität steigern
Produkte kennenlernen
Vorklinische und klinische Forschung und Entwicklung
Wissenschaftler, Ingenieure und klinische Forscher verwenden MATLAB für Folgendes:
- die relative Wichtigkeit von Bildausprägungen wie Radionikanalysen berechnen und bestimmen
- Datenbanken mit gekennzeichneten Altdaten abfragen und mit Deep Learning Autosegmentierungstools erstellen
- Daten eines gesamten Objektträgers analysieren, einschließlich Zellklassifizierung und semantischer Segmentierung
- DICOM-Bilder parsen, laden und analysieren
Weitere Informationen
- Deep Learning-Webinare 2020, Teil 6: Übersicht über das Deep Learning für medizinische Bilder (39:57)
- Entwicklung von funktioneller In-vivo-Bildgebungstechnologie mit Mikrometerauflösung mithilfe optischer Kohärenztomografie
- With MATLAB on Domino Data Lab, leverage GPU computing to accelerate image processing and deep learning
Entwicklung biotechnischer Geräte
Model-Based Design ermöglicht Ingenieuren der Biotechnologie Folgendes:
- Medizinprodukte mithilfe von Simulationen entwerfen und testen, um die Entwicklungsdauer zu verkürzen und frühzeitig auf Systemebene zu verifizieren und validieren
- Software und Algorithmen mithilfe automatischer Code-Generierung auf Produktivinstrumenten bereitstellen
- die technische Dokumentation aus Softwareentwicklung und -tests erstellen, die zur Einhaltung von FDA-Auflagen und Branchenstandards wie IEC 62304 erforderlich ist
Weitere Informationen
- MATLAB und Simulink bei Medizinprodukten
- Analyse medizinischer Bilder im DICOM-Format
- Entwurf und Validierung von Medizinprodukten durch mathematische Modellierung (44:19)
- FDA-Softwarevalidierung mit MATLAB und Simulink
- Entwicklung von Software für Medizinprodukte unter Einhaltung des IEC 62304-Standards
- Entwicklung IEC 62304-konformer Embedded Software für Medizinprodukte
Produkte kennenlernen
